5張細胞載玻片同時進入一體機，3分鐘內出報告。這是7月2日上午，記者在西安一家醫院的病理科看到的一幕。

　　原本需要病理醫生逐幀觀察的細胞形態，AI系統會以熱力圖的形式標注可疑區域，并迅速出具系統報告。歷時8年研發，西安交大李奇靈教授團隊國際首創的這套“子宮內膜細胞學篩查人工智能輔助診斷系統”已完成了從實驗室到臨床應用的“最后一公里”，探索出一條“醫工交叉、校企協同、醫院驗證”的產學研一體化創新路徑。

　　臨床需求拋出課題

　　錨定“子宮內膜細胞篩查全過程產品”

　　“子宮內膜癌公眾知曉率低，但在女性群體中的發病率卻不低，且呈逐年上升的趨勢，隨著子宮內膜癌發病率和死亡率的逐年升高，篩查迫在眉睫。”提起研發“子宮內膜細胞篩查全過程產品”的緣起，李奇靈教授說，早期患者可通過規范的細胞學篩查實現早診早治，有機會保住患者的生育能力、內分泌功能和生活質量。

　　“現實情況是，因子宮內膜細胞學篩查存在取樣難、診斷難、病理醫師缺乏等三大痛點問題，無法大規模篩查。接診患者中不乏這樣的病例：36歲的王女士尚未生育過，因一次異常出血就醫發現子宮內膜癌，不得不切除子宮和卵巢，失去生育能力和內分泌功能，最終錯失最佳治療窗口。”李奇靈說，針對這些難點和痛點，她已經持續關注并投身研發十多年。

　　傳統篩查方法中，首當其沖的是“取樣難”。超聲只能提示內膜增厚，但無法區分良性增生或癌變。李奇靈教授說，診刮術需要手術操作、創傷大、需麻醉、體驗差，可能因取樣誤差錯過病灶，存在漏診風險。

李奇靈教授在手術中。受訪者供圖

　　業內相關專家認為，子宮內膜細胞學篩查是最佳路徑，細胞學篩查面臨的首要問題就是取樣。李奇靈研發的一款新型子宮內膜取樣刷——“Li刷”(Li Brush)，經西安美佳家醫療科技有限公司的工程師們數年不斷優化已經面世。這個細小的一次性倒錐形取樣器以無痛、高效、安全的特點改變了患者篩查體驗感，并獲得國家專利證書。目前，“Li刷”已經成功應用于臨床，數據顯示其取樣成功率超95%，且病理檢測準確性與傳統診刮相當。

　　“Li刷的出現，讓子宮內膜癌篩查不再令人恐懼。”北京大學附屬人民醫院王建六教授說。李奇靈表示，團隊正在致力于推動該技術納入基層醫療體系，“希望未來女性在社區醫院就能享受無痛、高效的篩查服務”。取樣問題解決后，李奇靈團隊又接續研發了SHI標本制片系統，攻克了傳統制片方式子宮內膜細胞學篩查中“制片難”的問題。

　　“解決了‘取樣難’和‘制片難’，還面臨診斷難(最難)這一問題。”李奇靈說，病理診斷被稱為“金標準”，但一個合格的細胞病理醫生需要5-8年培養，每天看片8小時，最多處理50例樣本。團隊經過調研發現，傳統人工閱片依賴醫生經驗，涂片厚薄不均、細胞重疊等問題都容易影響診斷準確性。“我們急需一個‘不會累、看得準、學得快’的輔助工具。”李奇靈說。

　　臨床問題不能僅靠醫學領域單打獨斗，必須借助工科的技術力量。在一次醫工交叉論壇上，李奇靈將這一難題拋了出來。電信學部自動化學院鐘德星教授團隊現場回應，其團隊在人工智能與醫學影像分析領域深耕多年，愿意和李奇靈團隊一起組建聯合攻關組，解決這個難題。

　　跨學科創新碰撞

　　一場醫工交叉聯合攻關的生動實踐

　　臨床醫學的精準需求遇上人工智能技術，一場跨越學科的創新碰撞，一場醫工合作的生動實踐火熱展開。

　　據西安交大相關負責人介紹，在國家醫學中心、區域醫療中心和國家醫學攻關產教融合平臺支持下，聯合攻關團隊從子宮內膜細胞醫學圖像入手，結合人工智能和醫學影像分析技術，克服醫學圖像樣本少、標注難、個體差異大等難題，提出了多種先進的子宮內膜癌計算機輔助診斷方法，提高了診斷效果。

　　研發過程中，李奇靈團隊提供了上萬例標注精準的臨床病例數據，在中國科學院史桂芝教授團隊的共同參與下，詳細解讀子宮內膜細胞的形態特征、癌變規律，為AI系統搭建“醫學認知框架”;鐘德星團隊則發揮算法優勢，設計深度學習模型，讓計算機“看懂”細胞涂片，通過反復訓練優化，最終實現對異常細胞的高靈敏度識別。

　　經過反復試驗和優化，團隊成功研發出國際首創的子宮內膜癌篩查AI輔助診斷系統，能精準識別混雜背景中的異常細胞，有效緩解了臨床工作中細胞學診斷難及細胞病理科醫生奇缺的“卡脖子”難題，破解了長期困擾婦科腫瘤早篩的診斷瓶頸。

子宮內膜癌篩查人工智能輔助診斷系統由西安美佳家醫療科技有限公司落地轉化。受訪者供圖

　　“王阿姨，報告顯示，您的子宮內膜細胞學檢查結果正常，但結合血清標志物數據，建議每年定期復查。”在一家醫院婦科門診，王女士手握一份篩查報告，懸著的心終于落地。這份讓她安心的報告背后就是“子宮內膜細胞學篩查人工智能輔助診斷系統”的“功勞”，讓子宮內膜癌這個“難篩、漏篩”的“沉默殺手”無處遁形。

　　據了解，“子宮內膜癌篩查人工智能輔助診斷系統”已由西安美佳家醫療科技有限公司落地轉化，并成功獲批子宮內膜細胞醫學圖像分析系統二類醫療器械注冊證。這是全球首例獲批的子宮內膜細胞圖像分析相關的二類注冊證。在實際應用中，這套AI系統展現出驚人實力：對早期癌變細胞的識別準確率達95%，閱片速度是人工的20倍，且能穩定輸出標準化診斷結果，有效彌補了不同級別醫院診斷水平的差異。目前，該系統已在廣東、北京、陜西、河南、新疆等地的20余家醫院落地應用。“AI不是替代醫生，而是成為醫生的‘超級助手’。”李奇靈表示，這項技術突破，不僅推動子宮內膜癌篩查進入智能化時代，更助力優質醫療資源下沉，為女性健康筑起更堅實的防線。

　　形成閉環創新鏈條

　　產學研合作育人結出碩果

　　在合作過程中，李奇靈團隊和鐘德星團隊共同指導研究生開展交叉課題研究，學生既深入臨床學習病理知識，又參與算法編程，形成了“臨床需求—技術研發—臨床驗證”的閉環創新鏈條，在產學研合作育人方面取得喜人成績。

　　“我參與了項目二期臨床研究中的一個小環節——臨床取樣、追溯病理結果等。基于在團隊中的實踐，我完成了以‘子宮內膜人工智能圖像識別系統的有效性’為主題的畢業論文。”李奇靈教授的研究生、寶雞市人民醫院婦科醫生尹盼月告訴記者，她最大的收獲是在參與產學研合作過程中，逐漸建立起臨床科研思維，學會從臨床現象中提煉科研問題，促使她不再僅滿足于“治好眼前的病”，更會思考“如何讓更多患者受益”，同時也提升了她的跨學科整合能力，拓展了認知邊界。

　　李奇靈教授團隊成員梁冬鑫博士，現就職于西安交通大學第一附屬醫院。“當時我的相關課題遇到了瓶頸，就和老師討論通過醫工交叉來解決。踏進理化實驗室剛開始很難，基礎的專業名詞對我來說都是陌生的，再加上醫學與理工科之間思維的差異，在溝通上可能就各講各的，還都無法理解對方提出的問題。”梁冬鑫告訴記者，李奇靈教授就頻繁地組織團隊內外相關學科的教授，如鐘德星教授、吳彪教授、吳春生教授等人開研討會，提出問題、答疑、反復進行充分討論，加上大量查閱相關文獻及科研資料，以及相關學科同學和老師們的傾囊相授，梁冬鑫的科研思維逐漸在醫學思維基礎上加開了“理工科副本”。最終，團隊設計出了既能滿足臨床需求又具備可行性的課題，并把課題開展起來。“當醫學的‘痛點’遇上工程的‘利器’，果然能激發出意想不到的創新火花，最終實現了臨床需求+科研攻關+人才培養的閉環。我最大的感受是在科研這條路上，一定要多查多問多做，不要畏難，不要偷懶，踏踏實實做下去。”梁冬鑫說。

　　“產學研不是簡單的‘1+1’，而是讓臨床智慧與技術創新相互滋養。”鐘德星教授坦言，合作中最珍貴的是兩個團隊形成的“共同語言”——醫生學會用數據思維描述問題，工程師則更懂臨床場景的實際需求。這種深度融合，正是破解醫學難題、推動技術落地的關鍵。

　　此次科研突破為子宮內膜癌篩查提供了“中國方案”。西安交通大學國家技術轉移中心技術經理人張瑋說，這一項目在陜西股權交易中心(西部創新港)服務中心掛牌后，將加速科研成果的技術轉化和產業升級，為后續研發注入強勁動力。

　　文/記者 任娜